1.一种基于K‑means的图像分割方法，其特征在于，包括：对待分割图像进行灰度统计，获取所述待分割图像中的每一峰值灰度值；

将每一所述峰值灰度值作为初始聚类中心；所述峰值灰度值的数量与所述初始聚类中心的数量一致；

基于每一所述初始聚类中心，应用K‑means聚类算法对所述待分割图像进行图像分割，获取图像分割结果；

所述对待分割图像进行灰度统计，获取所述待分割图像中的每一峰值灰度值，具体包括：

对所述待分割图像进行灰度统计，获取所述待分割图像的灰度统计图；所述灰度统计图中包含每一灰度值对应的频率；

基于所述灰度统计图，获取每一峰值灰度值；

所述基于所述灰度统计图，获取每一峰值灰度值，具体包括：将所述灰度统计图切分为多段灰度统计分图；

对任一所述灰度统计分图进行峰值检测，得到任一灰度统计分图的峰值检测结果；

若所述峰值检测结果为存在峰值，则将所述任一灰度统计分图中频率最高的灰度值作为所述峰值灰度值；

所述基于每一所述初始聚类中心，应用K‑means聚类算法对所述待分割图像进行图像分割，获取图像分割结果，具体包括：获取任一灰度值与每一第m次聚类中心之间的距离；其中，m＝1时，所述第m次聚类中心即所述初始聚类中心；

将所述任一灰度值分配至所述距离最近的所述第m次聚类中心对应的聚类中；

基于任一聚类中的每一所述灰度值，获取所述任一聚类的第m+1次聚类中心；

若所述第m次聚类中心与所述第m+1次聚类中心一致，则输出图像分割结果；

否则，将m更新为m+1；

所述基于任一聚类中的每一所述灰度值，获取所述任一聚类的第m+1次聚类中心，具体包括：

通过如下公式获取第j个聚类的第m+1次聚类中心式中，Nj为第j个聚类中包含的灰度值数量，Rj为第j个聚类，y为灰度值。

2.根据权利要求1所述的基于K‑means的图像分割方法，其特征在于，所述对任一所述灰度统计分图进行峰值检测，得到所述任一灰度统计分图的峰值检测结果，具体包括：基于任一所述灰度统计分图中每一灰度值对应的频率，获取所述任一灰度统计分图的峰均比；

若所述峰均比大于预设峰均比阈值，则确认所述峰值检测结果为存在峰值；否则，确认所述峰值检测结果为不存在峰值。

3.根据权利要求1或2所述的基于K‑means的图像分割方法，其特征在于，所述待分割图像为声呐图像。

4.一种基于K‑means的图像分割装置，其特征在于，包括：峰值获取单元，用于对待分割图像进行灰度统计，获取所述待分割图像中的每一峰值灰度值；

初始中心获取单元，用于将每一所述峰值灰度值作为初始聚类中心；所述峰值灰度值的数量与所述初始聚类中心的数量一致；

图像分割单元，用于基于每一所述初始聚类中心，应用K‑means聚类算法对所述待分割图像进行图像分割，获取图像分割结果；

其中，所述峰值获取单元具体用于：对所述待分割图像进行灰度统计，获取所述待分割图像的灰度统计图；所述灰度统计图中包含每一灰度值对应的频率；

基于所述灰度统计图，获取每一峰值灰度值；

所述基于所述灰度统计图，获取每一峰值灰度值，具体包括：将所述灰度统计图切分为多段灰度统计分图；

对任一所述灰度统计分图进行峰值检测，得到任一灰度统计分图的峰值检测结果；

若所述峰值检测结果为存在峰值，则将所述任一灰度统计分图中频率最高的灰度值作为所述峰值灰度值；

所述图像分割单元具体用于：

获取任一灰度值与每一第m次聚类中心之间的距离；其中，m＝1时，所述第m次聚类中心即所述初始聚类中心；

将所述任一灰度值分配至所述距离最近的所述第m次聚类中心对应的聚类中；

基于任一聚类中的每一所述灰度值，获取所述任一聚类的第m+1次聚类中心；

若所述第m次聚类中心与所述第m+1次聚类中心一致，则输出图像分割结果；

否则，将m更新为m+1；

所述基于任一聚类中的每一所述灰度值，获取所述任一聚类的第m+1次聚类中心，具体包括：

通过如下公式获取第j个聚类的第m+1次聚类中心式中，Nj为第j个聚类中包含的灰度值数量，Rj为第j个聚类，y为灰度值。

5.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述的基于K‑means的图像分割方法的步骤。

6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于K‑means的图像分割方法的步骤。